Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Magyar kiadás

Mistral telepítése: Felhő és saját üzemeltetés

Telepítse a Mistralt bárhol: AI Studio, Azure AI, Google Vertex, AWS Bedrock, Snowflake, valamint saját üzemeltetés vLLM, TensorRT-LLM és TGI segítségével.

14 lecke kb. 1 h 45 min Haladó

Tanulási célok

  • Összehasonlítani az AI Studio, Azure AI, Vertex, Bedrock és Snowflake szolgáltatásokat a Mistral modellek hosztolására
  • Felépíteni a szervezeteket, munkaterületeket és árszinteket a Mistral AI Studio-n belül
  • Példányosítani a MistralAzure klienst Pythonban és éles környezetbe telepíteni
  • Telepíteni egy Mistral modellt saját üzemeltetéssel vLLM, TensorRT-LLM vagy TGI segítségével
  • Méretezni a GPU-infrastruktúrát és döntést hozni a kezelt API és a belső hosztolás között

Tanfolyam-adatlap

Kinek szól
Fejlesztők, mérnökök és integrátorok, akik a Mistral AI-t API-n keresztül szeretnék kiaknázni alkalmazásaikban.
Előfeltételek
Igazolt tapasztalat az alkalmazásfejlesztésben és a éles környezetbe történő telepítésben.
Időtartam
1 h 45 min — 14 lecke
Formátum
100%-ban online, saját tempóban végezhető kurzus, amely böngészőből 24/7-ben elérhető. A haladás mentésre kerül, bármikor folytatható. Becsült időtartam: 1 h 45 min.
Értékelés
Önértékelés az egyes leckéket lezáró fő tanulságok alapján, valamint a példák közvetlen implementálása saját eseteken. Az utolsó lecke végén egy 5 javított kérdést tartalmazó záró kvíz igazolja a megszerzett tudást.
Akadálymentesség
Saját tempóban végezhető kurzus, amely fogyatékkal élők számára is hozzáférhető: a szöveges tartalom kompatibilis a képernyőolvasókkal, billentyűzettel navigálható, és megfelel a kontrasztkövetelményeknek. Bármilyen igazítási igény esetén írjon a [email protected] címre.
Ár
Ingyenes

A tanfolyam tartalma

  1. 01 Mistral AI Studio áttekintés
  2. 02 Szervezetek és munkaterületek
  3. 03 Szintek és árazás
  4. 04 Azure AI: Model mint szolgáltatás
  5. 05 A MistralAzure kliens Pythonban
  6. 06 Azure éles környezetben
  7. 07 Google Vertex AI
  8. 08 AWS Bedrock
  9. 09 Snowflake, IBM watsonx és Outscale
  10. 10 Bevezetés az önálló üzemeltetésbe
  11. 11 Üzembe helyezés vLLM-mel
  12. 12 TensorRT-LLM és TGI
  13. 13 Infrastruktúra és GPU-k
  14. 14 A telepítési stratégiád kiválasztása